KDD 2024 | ShapeFormer：多维时序分类中基于形状的Transformer

文章预览

点击 名片 关注并星标 #TSer # 扫下方二维码 ，加入时序人学术星球 参与算法讨论，获取前沿资料 （ 220+ 篇专栏笔记，已有 210+ 同学加入学习） 多变量时间序列分类（MTSC）由于其多样的现实世界应用而引起了广泛的研究关注。最近，利用 Transformer 进行MTSC已经取得了最先进的性能。然而，现有方法主要关注通用特征，提供了对数据的全面理解，但它们忽略了对于学习每个类别代表性特征至关重要的类别特定特征。这导致在数据集不平衡或整体模式相似但在类别特定细节上存在差异的数据集上表现不佳。 针对上述问题，本文介绍一篇来自墨尔本大学和莫纳什大学的最新相关研究工作，目前已被KDD 2024接收。 研究者 提出了一种 新颖的Shapelet Transformer（ShapeFormer）用于多变量时间序列分类。它包含两个 Transformer 模块，旨在识别时间序列数据中的类别特 ………………………………